Question

我有一个数据框：

START_DATE  ITEM_ID SALE_PRICE
28-12-14    914602  0
04-01-15    914602  0
11-01-15    914602  0
18-01-15    914602  0
25-01-15    914602  2
01-02-15    914602  0
08-02-15    914602  0
15-02-15    914602  2
22-02-15    914602  2
01-03-15    914602  2
08-03-15    914602  0
15-03-15    914602  2
22-03-15    914602  2
29-03-15    914602  2
05-04-15    914602  2
12-04-15    914602  2
19-04-15    914602  2

我希望在销售价格发生变化时获得连续销售价格的总数需要的输出是：

START_DATE  ITEM_ID SALE_PRICE  No_of_times
28-12-14    914602  0   4
25-01-15    914602  2   1
01-02-15    914602  0   2
15-02-15    914602  2   3
08-03-15    914602  0   1
15-03-15    914602  2   6

Answer 1

这里有＆＃34; data.table＆＃34;的可能性。您可能需要根据实际的分组变量/变量进行调整。如果您想更改列顺序，请在最后使用setcolorder，如果需要，您可以将rid列与rid := NULL一起删除。

library(data.table)
as.data.table(mydf)[, rid := rleid(SALE_PRICE)][
  , c(TIMES = .N[1], lapply(.SD, head, 1)), by = rid]
#    rid TIMES START_DATE ITEM_ID SALE_PRICE
# 1:   1     4   28-12-14  914602          0
# 2:   2     1   25-01-15  914602          2
# 3:   3     2   01-02-15  914602          0
# 4:   4     3   15-02-15  914602          2
# 5:   5     1   08-03-15  914602          0
# 6:   6     6   15-03-15  914602          2

在基础R中，您只需使用rle：

x <- rle(mydf$SALE_PRICE)
cbind(mydf[cumsum(c(1, x$lengths[-length(x$lengths)])), ], TIMES = x$lengths)
##    START_DATE ITEM_ID SALE_PRICE TIMES
## 1    28-12-14  914602          0     4
## 5    25-01-15  914602          2     1
## 6    01-02-15  914602          0     2
## 8    15-02-15  914602          2     3
## 11   08-03-15  914602          0     1
## 12   15-03-15  914602          2     6

Answer 2

您可以尝试：

ind<-which(c(TRUE,df$SALE_PRICE[-1]!=df$SALE_PRICE[-nrow(df)]))
cbind(df[ind,],No_of_items=diff(c(ind,nrow(df)+1)))
#   START_DATE ITEM_ID SALE_PRICE No_of_items
#1    28-12-14  914602          0           4
#5    25-01-15  914602          2           1
#6    01-02-15  914602          0           2
#8    15-02-15  914602          2           3
#11   08-03-15  914602          0           1
#12   15-03-15  914602          2           6

Answer 3

您可以使用包rleid的函数data.table函数为连续相同的值创建分组ID。

所以，使用data.table我会这样做：

DT <- fread("START_DATE  ITEM_ID SALE_PRICE
28-12-14    914602  0
04-01-15    914602  0
11-01-15    914602  0
18-01-15    914602  0
25-01-15    914602  2
01-02-15    914602  0
08-02-15    914602  0
15-02-15    914602  2
22-02-15    914602  2
01-03-15    914602  2
08-03-15    914602  0
15-03-15    914602  2
22-03-15    914602  2
29-03-15    914602  2
05-04-15    914602  2
12-04-15    914602  2
19-04-15    914602  2")

DT[, No_of_time := length(ITEM_ID), by = rleid(SALE_PRICE)]
unique(DT, by = "No_of_time")
#>    START_DATE ITEM_ID SALE_PRICE No_of_time
#> 1:   28-12-14  914602          0          4
#> 2:   25-01-15  914602          2          1
#> 3:   01-02-15  914602          0          2
#> 4:   15-02-15  914602          2          3
#> 5:   15-03-15  914602          2          6

Answer 4

以下是使用UserProfile

的选项

dplyr

如何获得数据帧中连续观察的总数

4 个答案: